李宏毅機器學習筆記 | L0-2 | 概念與應用深度解讀

深入了解AI及機器學習的基本概念與應用，包括迴歸問題、模型選擇與誤差來源分析。

李宏毅機器學習筆記 | L9 | 訓練深度神經網路DNN的技巧

本篇內容整理了深度神經網絡（DNN）的訓練技巧，包括對抗過擬合的方法、新激活函數的選擇、自適應學習率及使用Dropout等正則化技術。

李宏毅機器學習筆記 | L6 | Neural Network 神經網路全面探索之旅

探索深度學習的歷史起源，從感知器到當代的多層神經網路，並了解Deep Learning如何影響影像辨識與語音辨識。

李宏毅機器學習筆記 | L5 | Logistic Regression簡明指南

這篇文章詳細介紹了Logistic Regression的數學基礎、訓練方法和應用，並比較了Discriminative與Generative模型。

李宏毅機器學習筆記 | L3-4 | 深入淺出：了解梯度下降與分類模型的奧秘

探索梯度下降、學習率適應、Stochastic Gradient Descent以及分類模型的詳細機制，並掌握如何優化機率生成模型以提高分類準確性。

李宏毅機器學習筆記 | L7 | 理解反向傳播的核心機制

本文深入探討了反向傳播演算法背後的運作機制，解釋如何利用鏈式法則和梯度下降來有效地優化神經網絡模型。